CN109659927B - 一种考虑储能参与度的综合能源微网储能容量配置方法 - Google Patents

Abstract

本发明涉及一种考虑储能参与度的综合能源微网储能容量配置方法，其技术特点在于包括以下步骤：步骤1、输入综合能源微网的电热负荷数据、综合能源微网的实时电价、优化收敛判断阈值和污染处理价格；步骤2、根据步骤1中输入的实时电价，生成储能参与度；步骤3、建立考虑储能参与度、保证可靠性并以经济和环保为目标的综合能源优化调度模型；步骤4、选取n个储能容量值，求解不同储能容量下的综合能源优化调度模型；步骤5、将不同储能容量得到的指标值进行比较，选择最优指标值，给出综合能源系统储能容量配置建议值。本发明通过储能参与度，考虑了实时电价和峰谷电价的影响，有效地评估了储能系统参与调峰的能力。

Description

一种考虑储能参与度的综合能源微网储能容量配置方法

技术领域

本发明属于综合能源微网储能容量配置技术领域，涉及综合能源微网储能容量配置方法，尤其是一种考虑储能参与度的综合能源微网储能容量配置方法。

背景技术

能源是经济社会发展的“血液”。进入21世纪以来，无论是发展中国家还是发达国家，都或多或少存在着由于过度依赖化石能源，导致国内外资源紧张、环境污染等问题，甚至于影响了全球的气候变化趋势，使得人们的生存环境受到挑战。综合能源系统，通过集成包含电、气、冷、热等多种能源，将能源的生产、分配、传输、转化、储存和消费各环节融为一体从而对各种形式能源进行整体的规划与调度。随着综合能源系统中能源形式的增多，能源供给、能源转换设备的多样化，逐渐打破了原来电、气、热、冷、交通等能流子系统相对割裂的状态，呈现出能源耦合程度加深，区域综合能源系统中可再生能源渗透率逐步提升的趋势，有效的改善了能源供应的灵活性、安全性、可靠性和经济性。

目前，电力系统储能主要应用于：集中式发电系统、主干网和智能电网。其应用价值主要体现在：降低弃风弃光比例、优化新能源发电效能，平衡主干电网和地区性用电负荷，参与调频、调峰、黑启动等充分发挥储能技术辅助服务能力的优势，有效解决全年地区性短时用电高峰的问题，减少电力系统尖峰负荷的增容费用和节约电力设施投入成本，丰富多能互补的配置需求，为构建智能电网提供基础设施保障。就目前来看，储能能量价值直接收益来自于电力系统辅助服务收益、峰谷价差或补贴。此类应用场景主流的技术方案为交流耦合模式。现阶段主要应用市场在德国、英国、澳洲、日本、韩国、美国和中国等新能源发展较为发达的国家和地区。

综合能源系统能够通过耦合多种形式能源的方式，发挥能源优势互补的潜力。与此同时，通过可再生能源的接入，综合能源微网还具备即发即用，将可再生能源就地消纳的能力，可以实现资源的梯级利用，提高能源系统的整体能源利用率。为充分利用综合能源微网的这些优势，有必要针对综合能源微网的优化配置加以研究，跟紧综合能源系统对能源梯级利用的发展趋势。

典型城市能源要素包括分布式光伏、风电、储能、典型工业建筑以及新型智能建筑等。将储能系统应用于新型工业园区与智慧社区存在很大优势。由于工业微网中存在大量的重要负荷，储能系统的配置必须要保证这些重要负荷的正常启动和稳定运行，由此造成的储能系统成本上升成为了限制多能源-储能系统发展的关键所在。所以储能容量的配置不宜过大，过大的储能容量将显著增加投资成本；储能容量的配置也不能过小，过小的储能容量无法保证系统的稳定运行，也不利于促进新能源的消纳。

由此可见，为了实现综合能源微网的科学规划与合理布局、最大限度利用新能源，需要考虑综合能源微网投资建设成本，并合理设计多种能源形式储能的容量与功率配置参数。但现有的储能容量配置方法多是考虑分布式电源消纳与负荷供需平衡,一般以成本经济性为目标对储能容量进行优化，缺乏对储能参与度的考虑，也未从经济、环保和可靠性等多角度对储能容量进行配置优化。因此如何研究出一种考虑了储能参与度的综合能源系统储能容量配置方法是本领域技术人员待于解决的技术难题。

发明内容

本发明的目的在于克服现有技术中的缺陷，提供一种布局合理且能够最大限度利用新能源的考虑储能参与度的综合能源微网储能容量配置方法。

本发明解决其现实问题是采取以下技术方案实现的：

一种考虑储能参与度的综合能源微网储能容量配置方法，包括以下步骤：

步骤1、输入待进行储能容量配置工作的综合能源微网的电负荷数据、热负荷数据、光伏出力数据、内燃机机组额定功率的系统数据及参数，以及综合能源微网的实时电价、优化收敛判断阈值、污染处理价格、储能容量优化配置工作考虑的时间长度的数据；

步骤2、根据步骤1中输入的实时电价，生成储能参与度；

步骤3、对综合能源微网内的微型燃气轮机和储能装置进行建模，建立考虑储能参与度、保证可靠性并以经济和环保为目标的综合能源优化调度模型；

步骤4、选取n个储能容量值，求解不同储能容量下的综合能源优化调度模型，得到不同储能容量对应的系统购电成本、购气成本、污染治理成本和储能系统成本指标值；

步骤5、将不同储能容量得到的指标值进行比较，选择最优指标值，给出综合能源系统储能容量配置建议值。

而且，所述步骤2的具体方法为：

为考虑实时电价、峰谷电价的影响，利用下式描述实时电价下的储能参与度的情况；

其中，gi表示i时段的储能参与度，用来描述储能系统参与综合能源系统能量转换的能力，g_i值越大，表明i时段储能参与综合能源系统调峰能力越强；实时电价a_i表示i时段的实时电价；a_t表示t时段的实时电价。

而且，所述步骤3的具体步骤包括：

(1)对微型燃气轮机进行建模：

在对微型燃气轮机进行数学建模前，需要做如下两点假设：

①微型燃气轮机、液化溴冷机的排烟温度始终保持不变；

②微型燃气轮机在标准大气压下处于满负荷运行工况；

系统采用以热定电的运行模式，电量不足时需要从电网购买；

则微型燃气轮机消耗的天然气量：

其中，λ代表参与运行的微型燃气轮机的数量；P_e代表单台微型燃气轮机的额定功率，kW；Δt₁代表微型燃气轮机的运行时间，h；η_e代表微型燃机轮机的发电效率；LHV_f是天然气低位热值(kWh)/m³；V_f代表Δt₁运行时间内微型燃气轮机消耗的天然气量，m³；

则微型燃气轮机的排气烟气余热量Q_e计算公式为：

其中，η₁代表微型燃气轮机散热损失系数；

制冷量：

Q_ec＝Q_eη_rec,cCOP_c

制热量：

Q_eh＝Q_eη_rec,hCOP_h

其中，Q_ec代表微型燃气轮机余热能够提供的制冷量，kW；η_rec代表烟气余热回收效率，制热时烟气余热回收效率η_rec,c＝η_rec；COP_c代表溴冷机的制冷系数；V_fc代表制冷时补燃天然气量，m³；Q_c代表用能系统的冷负荷；Δt_c代表制冷的运行时间；η_in是补充的天然气的燃烧效率；Q_eh代表微型燃气轮机烟气余热能够提供的制热量，kW；COP_h为溴冷机的制热系数；V_fh制热时补燃的天然气量，m³；Q_h代表用能系统的热负荷，kW；Δt_h代表制热的运行时间，h；T₁、T₂分别代表余热延期进出溴冷机的温度，K；T₀为环境温度，K；

(2)对储能电池进行建模：

储能电池充电时，t时段的荷电状态可以表示为：

储能放电时，t时段的荷电状态可以表示为：

其中，S_oc(t)代表储能电池在t时刻的荷电状态；σ是储能电池的自放电率参数；η_c是储能电池的充电效率，η_d代表储能电池的放电效率；P_ch,t是t时段的储能充电功率；P_dis,t是t时段内储能电池的放电功率；E_bat代表储能电池的容量；

(3)优化问题的目标函数：

其中，N_t是仿真运行的总的时长；N_DG为分布式电源的个数；P_Gi,t是分布式电源出力大小；C_f(P_Gi,t)是分布式电源的运行成本，在本发明中代表分布式光伏发电的运行成本，后同；C_OM(P_Gi,t)是分布式电源的维护成本；C_eav(P_Gi,t)是分布式电源的污染排放成本；其中的P_Gi,t为第i个光伏发电设备在t时段内的电功率；N_CHP代表系统中CHP机组的数量；C_gas代表天然气价格；V_gas是热电联产机组补燃量；P_grid,t是在t时段向电网购电的电量；C_PP是向电网购电的价格；

(4)考虑储能参与度，在使用粒子群-内点法对所建立的能源系统优化调度模型求解的过程中，将储能参与度以内点法的罚函数项的形式加入到写到优化问题的目标函数中：

其中，f(x)是原最优化问题的目标函数；p(x,r_k)是粒子群-内点算法构造的考虑储能参与度的障碍函数；r_k是障碍因子；g_i(x)是i时段的储能参与度所导致的惩罚成本；m是优化问题所考虑的时间段长度；

其约束条件为：

P_Gi,t,min≤P_Gi,t≤P_Gi,t,max

S_oc,min≤S_oc≤S_oc,max

其中，P_ES,t为电储能系统交换功率；P_CHPe,t为CHP机组输出的电功率；P_Le,t为t时段电负荷总功率；P_Gi,t,min、P_Gi,t,max分别为第i个光伏发电设备在t时段内的允许电功率的最小值和最大值；S_oc,min(t)、S_oc,max(t)分别为储能电池在t时刻允许荷电状态的最小值和最大值。

本发明的优点和有益效果：

本发明的考虑储能参与度的综合能源微网储能容量配置方法，通过储能参与度，考虑了实时电价和峰谷电价的影响，有效地评估了储能系统参与调峰的能力。本发明对综合能源微网储能容量进行多目标优化配置，所给出的微网储能建立配置容量充分考虑了经济、环保和可靠性等因素。

附图说明

图1是本发明的三联供系统的示意图；

图2是本发明的综合能源微网储能容量配置方法流程图；

图3是本发明的综合能源微网算例图；

图4是本发明的算例场景典型日电、热负荷预测曲线图；

图5是本发明的储能参与度评价图；

图6是本发明的不含储能的算例系统中设备优化调度出力情况示意图；

图7是本发明的不考虑储能参与度时算例系统中设备优化调度出力情况示意图；

图8是本发明的考虑储能参与度时算例系统中设备优化调度出力情况示意图；

图9是本发明的实时电价下不同储能容量年运行成本对比图；

图10是本发明的峰谷电价下不同储能容量年运行成本对比图；

图11是本发明的平均电价下不同储能容量年运行成本对比图。

具体实施方式

以下结合附图对本发明实施例作进一步详述：

一种考虑储能参与度的综合能源微网储能容量配置方法，如图1所示，包括以下步骤：

步骤1、输入待进行储能容量配置工作的综合能源微网的电负荷数据、热负荷数据、光伏出力数据、内燃机机组额定功率的系统数据及参数，以及综合能源微网的实时电价、优化收敛判断阈值、污染处理价格、储能容量优化配置工作考虑的时间长度的数据；

在本实施例中，所述步骤1需要详细输入综合能源微网一天内每小时的电负荷数据、热负荷数据、光伏出力数据，以及综合能源微网中内燃机机组额定功率，微网中各供能、用能、储能的设备间的拓扑结构的数据及参数；输入综合能源微网的实时电价、优化收敛判断阈值、污染处理价格、储能容量优化配置工作考虑的时间长度的数据。

步骤2、根据步骤1中输入的实时电价，生成储能参与度；

在本实施例中，所述步骤2的具体方法为：

为考虑实时电价、峰谷电价的影响，利用下式描述实时电价下的储能参与度的情况；

其中，g_i表示i时段的储能参与度，用来描述储能系统参与综合能源系统能量转换的能力，g_i值越大，表明i时段储能参与综合能源系统调峰能力越强；实时电价a_i表示i时段的实时电价；a_t表示t时段的实时电价。

步骤3、对综合能源微网内的微型燃气轮机和储能装置进行建模，建立考虑储能参与度、保证可靠性并以经济和环保为目标的综合能源优化调度模型；

所述步骤3的具体步骤包括：

(1)对微型燃气轮机进行建模：

在对微型燃气轮机进行数学建模前，需要做如下两点假设：

①微型燃气轮机、液化溴冷机的排烟温度始终保持不变；

②微型燃气轮机在标准大气压下处于满负荷运行工况；

系统采用以热定电的运行模式，电量不足时需要从电网购买；

则微型燃气轮机消耗的天然气量：

其中，λ代表参与运行的微型燃气轮机的数量；P_e代表单台微型燃气轮机的额定功率，kW；Δt₁代表微型燃气轮机的运行时间，h；η_e代表微型燃机轮机的发电效率；LHV_f是天然气低位热值(kWh)/m³；V_f代表Δt₁运行时间内微型燃气轮机消耗的天然气量，m³；

则微型燃气轮机的排气烟气余热量Q_e计算公式为：

其中，η₁代表微型燃气轮机散热损失系数。

微燃机三联产系统，也称冷热电三联供，结构示意图如图2所示。通过燃烧天然气以驱动微燃机组发电，进而将产生的高温烟气送入溴冷机组，冬季制热，夏季制冷，不足时需要补足天然气量。

制冷量：

Q_ec＝Q_eη_rec,cCOP_c (4)

制热量：

Q_eh＝Q_eη_rec,hCOP_h(6)

其中，Q_ec代表微型燃气轮机余热能够提供的制冷量，kW；η_rec代表烟气余热回收效率，制热时烟气余热回收效率η_rec,c＝η_rec；COP_c代表溴冷机的制冷系数；V_fc代表制冷时补燃天然气量，m³；Q_c代表用能系统的冷负荷；Δt_c代表制冷的运行时间；η_in是补充的天然气的燃烧效率；Q_eh代表微型燃气轮机烟气余热能够提供的制热量，kW；COP_h为溴冷机的制热系数；V_fh制热时补燃的天然气量，m³；Q_h代表用能系统的热负荷，kW；Δt_h代表制热的运行时间，h；T₁、T₂分别代表余热延期进出溴冷机的温度，K；T₀为环境温度，K；

(2)对储能电池进行建模：

储能电池充放电过程中，储能在t时段的荷电状态(State of Charge,SOC)与t-1时段的荷电状态、[t-1,t]时段蓄电池的充放电量、以及每小时的电量衰减量都有关系。

储能电池充电时，t时段的荷电状态可以表示为：

储能放电时，t时段的荷电状态可以表示为：

其中，S_oc(t)代表储能电池在t时刻的荷电状态；σ是储能电池的自放电率参数；η_c是储能电池的充电效率，η_d代表储能电池的放电效率；P_ch,t是t时段的储能充电功率；P_dis,t是t时段内储能电池的放电功率；E_bat代表储能电池的容量；

(3)优化问题的目标函数：

其中，N_t是仿真运行的总的时长；N_DG为分布式电源的个数；P_Gi,t是分布式电源出力大小；C_f(P_Gi,t)是分布式电源的运行成本，在本发明中代表分布式光伏发电的运行成本，后同；C_OM(P_Gi,t)是分布式电源的维护成本；C_eav(P_Gi,t)是分布式电源的污染排放成本；其中的P_Gi,t为第i个光伏发电设备在t时段内的电功率；N_CHP代表系统中CHP机组的数量；C_gas代表天然气价格；V_gas是热电联产机组补燃量；P_grid,t是在t时段向电网购电的电量；C_PP是向电网购电的价格；

本发明考虑储能参与度，在使用粒子群-内点法对所建立的能源系统优化调度模型求解的过程中，将储能参与度以内点法的罚函数项的形式加入到写到优化问题的目标函数中：

其中，f(x)是原最优化问题的目标函数；p(x,r_k)是粒子群-内点算法构造的考虑储能参与度的障碍函数；r_k是障碍因子；g_i(x)是i时段的储能参与度所导致的惩罚成本；m是优化问题所考虑的时间段长度。

约束条件：

P_Gi,t,min≤P_Gi,t≤P_Gi,t,max (16)

S_oc,min≤S_oc≤S_oc,max (17)

其中，P_ES,t为电储能系统交换功率；P_CHPe,t为CHP机组输出的电功率；P_Le,t为t时段电负荷总功率；P_Gi,t,min、P_Gi,t,max分别为第i个光伏发电设备在t时段内的允许电功率的最小值和最大值；S_oc,min(t)、S_oc,max(t)分别为储能电池在t时刻允许荷电状态的最小值和最大值；

步骤4、选取n个储能容量值{s₁,s₂,…,s_n}，利用粒子群-内点法求解不同储能容量下的综合能源优化调度模型，得到不同储能容量对应的系统购电成本、购气成本、污染治理成本和储能系统成本指标值；

步骤5、将不同储能容量得到的指标值进行比较，选择最优指标值，给出综合能源系统储能容量配置建议值。

对于本发明的实施例，本发明的算例选取天津市某以可再生能源为主的冷热电微网示范工程为研究对象，分析该场景下需要配备的储能系统容量。算例结构如图3所示。工程厂房屋顶铺设600kWp光伏组件，分为三组，分别通过2台250kVA光伏逆变器和1台100kVA光伏逆变器接入上级电网。程建设1套冷热电联供系统，燃气内燃机发电机组额定发电功率120kW，烟气热水型溴化锂吸收式冷温水机组额定制冷功率150kW，制冷COP值为1.3，额定制热功率120kW，制热COP值为1。仿真过程中以1小时为一个运行时段，以24小时(即一天)作为一个仿真周期。该示范工程的典型日电、热负荷及光伏出力预测曲线如图4所示。本发明将首先验证所提考虑储能参与度的算法对示范工程冷热电能源优化分配的意义，进而通过模拟年运行情况，给出示范工程建议配备的铅酸储能设备容量。

执行计算的计算机硬件环境为Intel(R)Core(TM)CPU i5-7400，主频为3.00GHz，内存为8GB；软件环境为Windows 7操作系统。利用MATLAB2016a进行仿真分析。

首先根据公式(1)生成考虑实时电价的储能参与度图表，根据运行时段对应值写入粒子群-内点算法的惩罚函数项。图5为考虑以表3为实时电价的储能参与度图表。体现出在实时电价较低时，优化算法鼓励储能参与系统能量分配。图6为实时电价的背景下，不含储能的算例系统中设备优化调度出力情况。

从图8可以看出，采用考虑储能参与度的算法后，储能系统在实时电价相对较高时候参与系统调度出力，以此降低从电网中购电的可能。对于本算例而言，考虑储能参与度后，储能系统在电价较低的1-6时几乎不参与调度出力，系统电负荷的供给又微型燃气轮机和电网满足。自7时起，系统电负荷水平大幅度提升，电价也呈上升趋势，电储能和光伏均参与系统优化调度。图7和图8的对比可以看出，在考虑储能参与度后，光伏出力能力会考虑储能电能的存储和光伏出力的实际情况。从18h开始，受天气原因光伏不再出力，系统由微型燃气轮机和电储能满足系统电负荷的供应。由此可以看出，考虑储能参与度的优化调度模型能够更好地分配储能参与系统优化调度的时段，该结论为储能定容的研究打下基础。

为增强研究成果的适用性，在对储能容量配置进行研究时，增加了交互电价的形式。表4所示为模拟的峰谷电价价格，模拟的平均电价为0.533元。同时，也将污染治理费用及排放系数纳入考虑。

由于图9、图10和图11中，中实线和曲线的曲线分别代表年/十年运行成本降低率，因此，曲线的峰值即为运行成本降低的极值。在实时电价的背景下，储能系统容量配置为200kW至500kW时，系统运行成本较为经济，且若大于600kW，系统因储能设施建设而导致的运维成本将大幅度增加；在峰谷电价的背景下，储能系统容量配置为300kW至700kW时，系统运行成本较为经济，并且，受到购电价格与购气价格的博弈，系统优化调度呈现以电为主的够能情况；在平均电价的背景下，储能系统建议容量配置为200kW至600kW。综上所述，针对目前所做研究，建议算例中的以可再生能源为主的冷热电微网示范工程配置容量为[300kW,500kW]的储能系统。

表1储能系统的功率和容量配置

表2储能系统的经济指标

表3实时电价

表4峰谷电价价格(单位：元/(kW·h))

需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (2)

1.一种考虑储能参与度的综合能源微网储能容量配置方法，其特征在于：包括以下步骤：

步骤1、输入待进行储能容量配置工作的综合能源微网的电负荷数据、热负荷数据、光伏出力数据、内燃机机组额定功率的系统数据及参数，以及综合能源微网的实时电价、优化收敛判断阈值、污染处理价格、储能容量优化配置工作考虑的时间长度的数据；

步骤2、根据步骤1中输入的实时电价，生成储能参与度；

步骤3、对综合能源微网内的微型燃气轮机和储能装置进行建模，建立考虑储能参与度、保证可靠性并以经济和环保为目标的综合能源优化调度模型；

步骤4、选取n个储能容量值，求解不同储能容量下的综合能源优化调度模型，得到不同储能容量对应的系统购电成本、购气成本、污染治理成本和储能系统成本指标值；

步骤5、将不同储能容量得到的指标值进行比较，选择最优指标值，给出综合能源系统储能容量配置建议值；

所述步骤3的具体步骤包括：

(1)对微型燃气轮机进行建模：

在对微型燃气轮机进行数学建模前，需要做如下两点假设：

①微型燃气轮机、液化溴冷机的排烟温度始终保持不变；

②微型燃气轮机在标准大气压下处于满负荷运行工况；

系统采用以热定电的运行模式，电量不足时需要从电网购买；

则微型燃气轮机消耗的天然气量：

其中，λ代表参与运行的微型燃气轮机的数量；P_e代表单台微型燃气轮机的额定功率，kW；Δt₁代表微型燃气轮机的运行时间，h；η_e代表微型燃机轮机的发电效率；LHV_f是天然气低位热值(kWh)/m³；V_f代表Δt₁运行时间内微型燃气轮机消耗的天然气量，m³；

则微型燃气轮机的排气烟气余热量Q_e计算公式为：

其中，η₁代表微型燃气轮机散热损失系数；

制冷量：

Q_ec＝Q_eη_rec,cCOP_c

制热量：

Q_eh＝Q_eη_rec,hCOP_h

其中，Q_ec代表微型燃气轮机余热能够提供的制冷量，kW；η_rec代表烟气余热回收效率，制热时烟气余热回收效率η_rec,c＝η_rec；COP_c代表溴冷机的制冷系数；V_fc代表制冷时补燃天然气量，m³；Q_c代表用能系统的冷负荷；Δt_c代表制冷的运行时间；η_in是补充的天然气的燃烧效率；Q_eh代表微型燃气轮机烟气余热能够提供的制热量，kW；COP_h为溴冷机的制热系数；V_fh制热时补燃的天然气量，m³；Q_h代表用能系统的热负荷，kW；Δt_h代表制热的运行时间，h；T₁、T₂分别代表余热延期进出溴冷机的温度，K；T₀为环境温度，K；

(2)对储能电池进行建模：

储能电池充电时，t时段的荷电状态可以表示为：

储能放电时，t时段的荷电状态可以表示为：

其中，S_oc(t)代表储能电池在t时刻的荷电状态；σ是储能电池的自放电率参数；η_c是储能电池的充电效率，η_d代表储能电池的放电效率；P_ch,t是t时段的储能充电功率；P_dis,t是t时段内储能电池的放电功率；E_bat代表储能电池的容量；

(3)优化问题的目标函数：

其中，N_t是仿真运行的总的时长；N_DG为分布式电源的个数；C_f(P_Gi,t)是分布式电源的运行成本，代表分布式光伏发电的运行成本，后同；C_OM(P_Gi,t)是分布式电源的维护成本；C_eav(P_Gi,t)是分布式电源的污染排放成本；其中的P_Gi,t为第i个光伏发电设备在t时段内的电功率；N_CHP代表系统中CHP机组的数量；C_gas代表天然气价格；V_gas是热电联产机组补燃量；P_grid,t是在t时段向电网购电的电量；C_PP是向电网购电的价格；

(4)考虑储能参与度，在使用粒子群-内点法对所建立的能源系统优化调度模型求解的过程中，将储能参与度以内点法的罚函数项的形式加入到写到优化问题的目标函数中：

其中，f(x)是原最优化问题的目标函数；p(x,r_k)是粒子群-内点算法构造的考虑储能参与度的障碍函数；r_k是障碍因子；g_i(x)是i时段的储能参与度所导致的惩罚成本；m是优化问题所考虑的时间段长度；

其约束条件为：

P_Gi,t,min≤P_Gi,t≤P_Gi,t,max

S_oc,min(t)≤S_oc(t)≤S_oc,max(t)

其中，P_ES,t为电储能系统交换功率；P_CHPe,t为CHP机组输出的电功率；P_Le,t为t时段电负荷总功率；P_Gi,t,min、P_Gi,t,max分别为第i个光伏发电设备在t时段内的允许电功率的最小值和最大值；S_oc,min(t)、S_oc,max(t)分别为储能电池在t时刻允许荷电状态的最小值和最大值。

2.根据权利要求1所述的一种考虑储能参与度的综合能源微网储能容量配置方法，其特征在于：所述步骤2的具体方法为：

为考虑实时电价、峰谷电价的影响，利用下式描述实时电价下的储能参与度的情况；

其中，g_i表示i时段的储能参与度，用来描述储能系统参与综合能源系统能量转换的能力，g_i值越大，表明i时段储能参与综合能源系统调峰能力越强；实时电价a_i表示i时段的实时电价；a_t表示t时段的实时电价。

Images